学位论文 > 优秀研究生学位论文题录展示

基于网络流量特征的NAT识别方法

作　者: 高骥翔
导　师: 胡光岷
学　校: 电子科技大学
专　业: 通信与信息系统
关键词: NAT流量识别网络流量特征数据挖掘
分类号: TP393.06
类　型: 硕士论文
年　份: 2012年
下　载: 66次
引　用: 0次
阅　读: 论文下载

内容摘要

NAT技术大大地减缓了IP地址空间枯竭的问题，实现了私有网络访问公共网络的功能，为用户带来了巨大的便利与实惠。然而，NAT技术也为未经授权的用户非法接入网络提供了便利，给运营商的正常网络运营带来诸多的困难。因此，必须要找到一种行之有效的NAT流量识别方法，以有效区分网络中的NAT设备与单个的普通主机。现有的各种NAT识别方法普遍依赖于IP数据包中的某一特殊字段，一旦该字段被修改，或者本身无法满足识别需求，这些方法将完全失效。而且这些方法还受到了操作系统或用户上网习惯的制约。有鉴于此，本文提出一种基于网络流量特征的NAT识别方法，该方法将不依赖于数据包中的任何特殊字段，不依赖于操作系统和用户的操作习惯。考虑到NAT流量识别本质上是将网络中的IP地址划分为NAT设备与普通主机两大类的一个分类问题，该问题其实可以看作是数据挖掘技术中最为典型的二类分类问题，本文将数据挖掘技术引入到NAT流量识别的问题中。本方法的总体思想是获取网络中所有IP地址的网络流量特征，然后以各个IP地址作为数据挖掘中的实例，以其特征参数作为数据挖掘中的属性，通过数据挖掘将IP地址划分为NAT设备与普通主机两大类，进而完成NAT的识别。本方法的核心部分是网络流量特征，这是采用数据挖掘技术实现NAT设备与普通主机的划分的基础，也是直接影响本方法的识别效果的关键因素。本文通过对NAT设备和普通主机的网络流量的特点进行对比分析，总结得出十一种反映NAT设备与普通主机之间的差异的NAT流量特征，并通过这些流量特征，归纳出一个包含28种流量特征参数的NAT流量特征参数集。同时，本文对参数集中各个特征参数的分类性能进行了测试，测试结果表明该NAT流量特征参数集对NAT设备和普通主机具备较高的区分度。本文的主要工作是，对采集到的网络流量数据进行特征提取和特征选择等处理，获取到网络中所有IP地址的NAT流量特征参数集，然后通过数据挖掘的方法，将这些IP地址划分为NAT设备与普通主机两大类，从而实现NAT的识别。本文采用了三种数据挖掘算法，包括两种有监督的分类算法，C4.5决策树算法和朴素贝叶斯算法，以及一种无监督的聚类算法，K-均值聚类算法。通过对不同算法的实验结果进行对比分析，验证了本方法的有效性和准确性。最后，对P2P流对算法性能的影响进行了检验，实验结果表明其影响在可接受范围以内。

全文目录

摘要  4-6
ABSTRACT  6-12
第一章绪论  12-17
  1.1 研究背景  12-13
  1.2 国内外研究现状  13-15
  1.3 本文主要研究内容  15-16
  1.4 本文章节安排  16-17
第二章 NAT与 NAT流量识别方法概述  17-29
  2.1 NAT技术概述  17-23
    2.1.1 NAT技术产生背景  17-18
    2.1.2 NAT技术简介  18-20
    2.1.3 NAT技术分类  20-22
    2.1.4 NAT技术带来的问题  22-23
  2.2 NAT流量识别方法概述  23-29
    2.2.1 基于 TCP/IP 协议特征字段的识别方法  23-26
    2.2.2 基于应用层信息的识别方法  26-28
    2.2.3 现有方法存在的问题  28-29
第三章基于网络流量特征的 NAT识别方法  29-46
  3.1 基于网络流量特征的 NAT识别方法概述  29-32
  3.2 NAT流量特征参数的选取  32-37
    3.2.1 NAT的流量特征总结  32-36
    3.2.2 NAT流量特征参数集  36-37
  3.3 特征参数的分类性能的测试与分析  37-46
    3.3.1 特征参数的分类性能的测试与分析  37-44
    3.3.2 P2P 流对特征参数分类性能的影响的分析  44-46
第四章 NAT识别算法研究  46-59
  4.1 数据挖掘技术概述  46-48
    4.1.1 数据挖掘技术的定义与分类  46-47
    4.1.2 数据挖掘技术的步骤  47-48
  4.2 有监督的分类算法  48-55
    4.2.1 分类方法简介  48-49
    4.2.2 决策树算法  49-53
    4.2.3 朴素贝叶斯算法  53-55
  4.3 无监督的聚类算法  55-59
    4.3.1 聚类方法简介  55-56
    4.3.2 K-均值聚类算法  56-59
第五章实验及结果分析  59-79
  5.1 实验数据采集与特征提取  59-67
    5.1.1 网络环境搭建  59-60
    5.1.2 数据采集  60-63
    5.1.3 数据预处理  63
    5.1.4 特征提取  63-64
    5.1.5 特征选择  64-67
  5.2 实验结果及分析  67-79
    5.2.1 性能参数定义  67-68
    5.2.2 有监督的分类算法的实验结果及分析  68-73
    5.2.3 无监督的聚类算法的实验结果及分析  73-75
    5.2.4 数据选择前后算法性能的比较与分析  75-77
    5.2.5 P2P 对算法性能影响的检测与分析  77-79
第六章结束语  79-81
  6.1 全文总结  79-80
  6.2 进一步工作的展望  80-81
致谢  81-82
参考文献  82-85
攻硕期间取得的研究成果  85-86

基于网络流量特征的NAT识别方法

内容摘要

全文目录

相似论文